PROGNOZY CEN ROPY NA GIEŁDZIE W NOWYM JORKU

Transkrypt

1 Zbigniew SKROBACKI PROGNOZY CEN ROPY NA GIEŁDZIE W NOWYM JORKU Streszczenie Celem publikacji jest przedstawienie prognoz jakościowych dotyczących oceny relacji pomiędzy podażą a popytem na rynku ropy w najbliższych latach oraz prognoz ilościowych ceny ropy na giełdzie w Nowym Jorku w 2010 r. Do zbudowania prognoz zastosowano dwie następujące metody: zmodyfikowaną metodę scenariuszy użytej do tworzenia prognoz jakościowych, modelu multiplikatywnego do utworzenia prognozy ilościowej. Do zbudowania scenariuszy wykorzystano własną propozycję budowy scenariuszy uproszczonych z wykorzystaniem podstaw teorii decyzji i rachunku prawdopodobieństwa. Prognoza ilościowa jest oparta na modelu multiplikatywnym i powstała jako efekt zastosowania standardowych metod statystyki matematycznej w analizie szeregu czasowego. Wykonanie prognoz zostało poprzedzone analizą literatury w celu opisania zjawisk i procesów obecnie występujących na rynku paliw. WPROWADZENIE Zdecydowana większość środków transportu lądowego i cały transport wodny i lotniczy jest zasilany paliwami produkowanymi z ropy. Intensywny rozwój gospodarczy większości krajów, a w tym rozwój transportu spowodował, że rola ropy jako produktu strategicznego umacniała się przez cały miniony XX wiek. Z aktualnych badań zasobów ropy w świecie wynika, że obecnie ludzkość wydobyła już około 50% całkowitych zasobów ropy w skorupie ziemskiej. Obecnie szacuje się, że zasoby ropy naftowej w świecie wynoszą ok. 171 mld ton, w tym kraje OPEC posiadają ok. 130 mld ton co stanowi 76 % [12]. Zdecydowana większość odkryć dużych złóż ropy została wykonana w latach 40., 60. i 70. XX wieku. Na rys. 1 pokazano w postaci wykresu słupkowego historię i wielkość odkryć. Na wykresie przeszłe odkrycia ropy są zaprezentowane w postaci czerwonych słupków, zaś przewidywane zasoby przyszłych odkryć w postaci zielonych słupków. W ostatnich dwóch dekadach XX wieku i obecnie następuje ciągły spadek odkryć dużych zasobów ropy pomimo stosowania coraz bardziej zaawansowanych technik badań geofizycznych. Zauważa się wzrostową tendencję odkryć coraz większej liczby małych złóż, co krótkookresowo poprawia sytuację na rynku ropy. Na analizowanym rysunku poziom wydobycia ropy jest przedstawiony za pomocą krzywej, która obecnie wykazuje jeszcze niewielką tendencję wzrostową. Według danych publikowanych przez British Petroleum [12] w 2008 r. światowa produkcja ropy osiągnęła wartość 3, ton/rok (ok. 81,8 mln baryłek/doba). Informację o wzroście wydobycia w ostatnich trzech dekadach przedstawiono w tabeli 1. Wyczerpywanie się naturalnych zasobów ropy musi powodować wzrost cen ropy i cen paliw produkowanych na bazie ropy. AUTOBUSY 1

2 Rys. 1. Odkrycia zasobów ropy i jej wydobycie w miliardach baryłek rocznie (skala po prawej stronie wykresu) [14] Tabela 1. Światowe wydobycie ropy [12] Rok [mln baryłek /doba] 62,9 65,5 74,8 81,8 [mld ton/rok] 2,9 3,2 3,6 3,9 Analizując koszty wydobycia należy zwrócić uwagę na występowanie trzech niekorzystnych tendencji [7]: 1. Nowe złoża odkrywane są w trudno dostępnych regionach, np. u brzegów Brazylii ropa znajduje się 3-4 km pod dnem głębokiego na ponad 2 km Oceanu Atlantyckiego; odkrywane zasobne złoża w Arktyce będzie można eksploatować może za kilkadziesiąt lat dzięki zmianom klimatu. 2. Wyraźnie rosną koszty eksploatacji tradycyjnych złóż, o czym świadczy zmiana współczynnika EROEI Energy Returned on Energy Invested. Współczynnik informuje o zwrocie energii uzyskanej wobec energii zainwestowanej. Przykładowo 100 lat temu w Teksasie EROEI wynosiło 100, zaś obecnie w USA wynosi 3. Dla porównania aktualnie w Arabii Saudyjskiej EROEI wynosi 10 [13]. Wzrost kosztów wynika z rosnącego wydobycia tzw. ciężkiej ropy o dużej gęstości oraz zanieczyszczonej związkami siarki. Zmusza to producentów modernizacji lub budowy nowych rafinerii, bowiem dawne nie są w stanie przerabiać zasiarczonej ropy. 3. Wysoki koszt pozyskiwania ropy z nowych źródeł głównie z piasków roponośnych i łupków bitumicznych. Dla wielu złóż koszty przewyższają ewentualne przychody. Przyjmuje się, że dla piasków roponośnych i łupków bitumicznych współczynnik EROEI zawiera się w przedziale od 1 do 3. Powyższe rozważania należy poszerzyć o informacje dotyczące kształtowania się potrzeb na ropę w świecie. Z danych przedstawionych na wykresie (rys. 2) wynika, że do 2011 roku potrzeby gospodarki światowej będą pokrywane dostawami ropy. Jedynie w 2007 roku podaż była niewystarczająca. Jeżeli uwzględni się prognozy gospodarcze dla świata, przy założeniu średniego tempa wzrostu potrzeb na ropę około 1,6 % rok do roku, to od 2012 roku ropy nie wystarczy dla wszystkich i ujawni się zjawisko Oil Gap różnica pomiędzy popytem a podażą ropy. 2 AUTOBUSY

3 Rys. 2. Podaż i popyt na ropę w tysiącach baryłek dziennie [15] Jeśli nie zmaleje odpowiednio popyt na produkty ropopochodne to wartość Oil Gap będzie w czasie systematycznie rosła, co musi wywoływać ciągły wzrost ceny ropy. W artykule podjęto próbę przedstawienia własnych prognoz jakościowych i ilościowych. Prognozy jakościowe dotyczą określenia prawdopodobieństwa wystąpienia zjawiska Oil Gap w 2010 r. i w następnych latach. Prognozy ilościowe dotyczą ceny ropy na giełdzie w Nowym Jorku w 2010 r. 1. METODYKA BADAŃ 1.1. Metodyka budowania prognozy jakościowej w postaci scenariuszy Scenariusze są wariantową odpowiedzią na pytanie co się stanie, jeżeli?. Tworzy się je dla konkretnych sytuacji, opierając się głównie na technikach heurystycznych, uwzględniając jakie zmiany mogą wystąpić w funkcji czasu. Opierając się na publikacjach [2, 4, 5, 6, 8, 9] opracowano własną metodykę tworzenia uproszczonych scenariuszy, która została szczegółowo opisana w pracy [7]. Celem scenariuszy jest utworzenie dwóch prognoz jakościowych; pierwszą na rok 2010, drugą na cztery następne lata. Prognozy mają dać odpowiedzi na pytania: czy powstanie na światowym rynku ropy trwałe zjawisko niezaspokojonego popytu przez podaż ( Oil Gap ) i jakie będą rozmiary tego zjawiska?. Metodyka tworzenia scenariuszy jest modyfikacją standardowych metodyk poprzez wykorzystanie podstaw teorii decyzji uwzględniającej niepewność i ryzyko [4, 8]. W teorii decyzji proponuje się badanie wszystkich możliwości łącznego występowania stanów oraz badanie konsekwencji ich równoczesnego wystąpienia. Wymagane jest przyjęcie oszacowań prawdopodobieństw subiektywnych wystąpienia każdego stanu w przyszłości. Rachunek prawdopodobieństwa pozwala obliczyć wartości prawdopodobieństw wystąpienia określonych wcześniej konsekwencji, nazywanych w teorii decyzji wartościami funkcji korzyści. Dla analizowanego przedmiotu badań założono możliwość wystąpienia dwóch stanów popytu i dwóch stanów podaży ropy. Zidentyfikowano następujące stany: (PD1) podaż ropy na wysokim poziomie, (PD2) podaż ropy malejąca, (PP1) wzrost popytu w gospodarce światowej, (PP2) popyt zbliżony do stałego. AUTOBUSY 3

4 Funkcję korzyści pełni ocena jakościowa możliwości wystąpienia zjawiska przewagi popytu na rynku ropy nad przewidywaną podażą, nazywanym jako Oil Gap. W celu utworzenia alternatywnych scenariuszy postanowiono zbadać możliwości i efekty wystąpienia równoczesnego stanów popytu i podaży ropy. Założono, że zarówno stany popytu oraz stany podaży wyczerpują przestrzeń zdarzeń oraz wystąpienie jednego stanu popytu wyklucza wystąpienie drugiego i podobnie jest dla stanów podaży. Uzyskano następujące cztery wzajemnie wykluczające się zestawy równoczesnego wystąpienia odpowiednich stanów popytu i podaży, którym przypisano oczekiwaną wartość funkcji korzyści w postaci możliwości wystąpienia zjawiska Oil Gap (tab. 2). Jeżeli w danej analizie założy się, że wystąpienie każdego stanu podaży w stosunku do każdego stanu popytu jest zdarzeniem niewykluczającym i w sensie matematycznym niezależnym to prawdopodobieństwo wystąpienia równocześnie danego stanu podaży i popytu jest obliczane jako iloczyn prawdopodobieństw wystąpienia pierwszego i drugiego stanu. Według tej słownej formuły prawa mnożenia zdarzeń niezależnych wyznaczono prawdopodobieństwa możliwości wystąpienia zjawiska Oil Gap z uwzględnieniem skali tego zjawiska. Z powodu występowania różnych opinii o przyszłości rynku paliw postanowiono przeprowadzić obliczenia dla dwóch wariantów oszacowań prawdopodobieństw subiektywnych wystąpienia stanów popytu. Wariant pierwszy preferuje wystąpienie stanu (PP2) jako bardziej prawdopodobnego. Dlatego przyjęto następujące wartości prawdopodobieństw P (1) (PP2) = 0,7; P (1) (PP1) = 0,3. Są przesłanki, żeby wyniki obliczeń dla tego wariantu przyjąć dla roku W drugim wariancie przyjęto założenie o wyraźnym wzroście zapotrzebowania na produkty ropopochodne w latach Dlatego dla wariantu drugiego przyjęto, że prawdopodobieństwa wystąpienia stanów popytu wynoszą P (2) (PP1) = 0,7 zaś P (2) (PP2) = 0,3. Założono, że wartości prawdopodobieństw wystąpienia stanów podaży są takie same dla obu wariantów i opierają się na raporcie głównego ekonomisty Międzynarodowej Agencji Energetycznej (MAE) Fatih-a Birol-a [14], że już osiągnięto maksymalne wydobycie, zaś zasoby większości złóż są przeszacowane, a więc należy oczekiwać tendencji narastającego spadku wydobycia ropy. Tabela 2. Przewidywania wystąpienia zjawiska Oil Gap w latach POPYT PP1 rosnący P (1) (PP1) = 0,3; P (2) (PP1) = 0,7 PP2 stały P (1) (PP2) = 0,7; P (2) (PP2) = 0,3 PD1 wysoka P(PD1) = 0,4 W 2010 r. brak Oil Gap W 2010 r. brak Oil Gap W latach pojawienie się W latach brak Oil Oil Gap Gap PODAŻ PD2 malejąca P(PD2) = 0,6 Źródło: opracowanie własne W 2010 r. pojawienie się Oil Gap W 2010 r. brak Oil Gap W latach znaczny wzrost niedoboru ropy W latach pojawienie się Oil Gap Podane w tabeli wartości prawdopodobieństw dla popytu odnoszące się do wariantu pierwszego są oznaczone indeksem górnym (1), zaś odnoszące się do wariantu drugiego są oznaczone indeksem górnym (2). Oszacowania wartości prawdopodobieństw wynikają z informacji zawartych głównie w opisie stanu faktycznego na podstawie analizowanych źródeł [10, 12, 14, 15]. Wyniki zastosowania powyższej metodyki przedstawiono w p. 3 niniejszej publikacji. 4 AUTOBUSY

5 1.2. Metodyka budowania prognozy ilościowej na podstawie modelu multiplikatywnego Przyjęto, że są merytoryczne przesłanki, że wartości ceny ropy lub innych paliw można przedstawić w postaci szeregu czasowego i utworzyć model matematyczny, w którym teoretyczna cena ropy lub danego paliwa ŷ jest iloczynem wartości funkcji trendu tm i współczynników zmian sezonowych s, zmian cyklicznych c i zmian nieregularnych l. Oznacza to, że można w dalszych rozważaniach korzystać z modelu szeregu czasowego w wersji multiplikatywnej. Tak rozumiany model można przedstawić w postaci: ŷ t = tm t s t c t l t (1) gdzie: ŷ - ocena szeregu czasowego, tm - funkcja trendu, s - współczynnik zmian sezonowych, c - współczynnik zmian cyklicznych, l - współczynnik zmian losowych, t - okres lub moment czasu. Funkcja trendu tm t jest wyrażona w jednostkach naturalnych, identycznych jak wartości oryginalnego szereg czasowego. Pozostałe składowe modelu są wielkościami pozbawionymi miana. Jeżeli któryś z nich nie występuje to należy przypisać mu wartość 1. Do otrzymania modelu multiplikatywnego zastosowano metodykę opisaną przez Aczel-a [1]. Wymaga ona identyfikacji każdej składowej modelu. Pierwszą czynnością jest poszukiwanie postaci funkcji trendu. W tym celu dane źródłowe przedstawia się w postaci szeregu czasowego średniej kwartalnej, oraz szeregu czasowego średniej ruchomej (rys. 4). Analiza wykresu szeregu czasowego może być pomocna w wyborze postaci funkcji trendu. Według Dittmanna (s. 81 [3]) cyt. Przy wyborze postaci funkcji trendu zawsze powinny być brane pod uwagę przesłanki empiryczne i dedukcyjne, przy czym przy bardziej złożonych postaciach analitycznych tych funkcji powinny przeważać przesłanki dedukcyjne, a przy mniej złożonych - przesłanki empiryczne. Chodzi o to, by wybór bardziej złożonej funkcji nie tylko był wynikiem sugestywnej oceny wzrokowej wykresu czasowego zmiennej, lecz wypływał także z głębszych, merytorycznych przesłanek. W modelu multiplikatywnym przyjmuje się, że wartości średniej ruchomej w funkcji czasu nie zawierają wahań sezonowych i losowych. Oznacza to, że średnia ruchoma jest iloczynem trendu i współczynnika zmian cyklicznych [1]: MA t = tm t c t (2) gdzie: oznaczenia jak we wzorze (1) i w tekście powyżej. Zależność (2) po przekształceniu przy danych średniej ruchomej MA t pozwala wyznaczyć szereg czasowy dla współczynnika zmian cyklicznych c. Ostatnim działaniem metodyki proponowanej przez Aczel-a jest wyznaczenie indeksów sezonowych (można nie analizować zmienności losowej). W niniejszej publikacji pominięto szczegółowy opis metodyki identyfikacji zmienności sezonowej i losowej ponieważ jest dokładnie podana w literaturze [1]. Otrzymany model matematyczny w postaci równania (1) bez składowej losowej może być wykorzystany do wykonania prognozy lub wielu prognoz. W tym celu należy wyznaczyć prognozy każdego regularnego składnika modelu multiplikatywnego. Prognoza badanej cechy jest iloczynem prognoz składowych modelu. Łatwo jest wyznaczyć prognozę dla trendu, po- AUTOBUSY 5

6 nieważ wystarczy podstawić odpowiednią wartość czasu w równaniu trendu. Zakładamy, że współczynniki zmienności sezonowej dla kolejnych sezonów mają stałe wartości, co pozwala łatwo wykonać stosowne podstawienie w równaniu prognozy (3). y p t = tm p t s p t c p t (3) gdzie: y p - prognoza badanej cechy, tm p - prognoza funkcji trendu, s p - prognoza współczynnika zmian sezonowych, c p - prognoza współczynnika zmian cyklicznych, t - okres lub moment czasu. Wykonanie prognozy dla zmian cyklicznych, niesezonowych może być trudne, ponieważ składowa cykliczna nie ma stałego okresu i może mieć zmienną wartość amplitudy. Według literatury (s. 640 [1]) cyt.... na podstawie przebiegu wartości składowej cyklicznej próbujemy odgadnąć jej wartość w punkcie prognozy. Ta część zaleceń metodycznych jest najtrudniejsza w zastosowaniu i może w ocenie prognozy powodować największe wątpliwości co do jakości prognozy. Równocześnie przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby uwzględniać inne informacje ilościowe i jakościowe o zjawiskach i procesach w przyszłości, które wpływają na rynek paliw ropopochodnych. 2. ANALIZA DANYCH I MODEL MULTIPLIKATYWNY DLA CEN ROPY NA GIEŁDZIE W NOWYM JORKU Stany Zjednoczone są największym konsumentem ropy w świecie, zaś notowania ceny ropy na giełdzie w Nowym Jorku determinują w znacznym stopniu ceny ropy na świecie. Wykorzystując serwis internetowy [11] dokonano odczytu notowań średniej dobowej ceny ropy na wymienionej giełdzie w okresie październik 2004 marzec Na podstawie tych danych policzono średnie miesięczne oraz średnie kwartalne ceny ropy na giełdzie. Na rys. 3 przedstawiono przykład danych oryginalnych, zaś na rys. 4 przedstawiono szereg czasowy średnich kwartalnych cen ropy oraz szereg wygładzony za pomocą średniej ruchomej. Rys. 3. Przykład notowań ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] [11] 6 AUTOBUSY

7 Cena ropy [USD/baryłka] y = 1,4247x + 55,722 dla danych śr. ruchomej zima2005 zima2006 zima2007 zima2008 zima2009 zima2010 Średnia ruchoma Kwartał [-] Dane kwartalne Rys. 4. Ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] jako średnie kwartalne, oraz wygładzone wraz z trendem Źródło: obliczenia własne Zaproponowana w p. 1 metodyka pozwoliła w okresie 22 kwartałów na identyfikację funkcji trendu, współczynnika zmian sezonowych i współczynnika zmian cyklicznych (rys. 5). Przyjęto liniową postać funkcji trendu, która po estymacji parametrów utworzyła następujące równanie: tm = 1,4247t + 55,72 (t = 1, 2,, 22) 4) Następnie obliczono wartości współczynnika zmian sezonowych, który dla kolejnych sezonów przyjmuje następujące wartości: dla zimy s = 0,90; dla wiosny s = 1,06; dla lata s = 1,10; dla jesieni s = 0,94. Uzyskane wyniki obliczeń są wystarczające do wykorzystania modelu multiplikatywnego do wykonania prognozy. 3. WYNIKI PROGNOZY JAKOŚCIOWEJ Dla wariantu pierwszego, w którym założono, że w roku 2010 bardziej prawdopodobne jest wystąpienie popytu na poziomie niezmienionym obliczono, że zdarzenie brak zjawiska Oil Gap prawie na pewno zajdzie. Prawdopodobieństwo zdarzenia brak Oil Gap wynosi 0,82, zaś prawdopodobieństwo przeciwnego zdarzenia, czyli pojawienie się zjawiska Oil Gap wynosi 0,18. Analogiczne obliczenia dla okresu (wariant drugi) pozwalają wyznaczyć następujące prawdopodobieństwa: P{brak Oil Gap } = 0,12; P{ pojawienie się Oil Gap } = 0,46; P{ znaczny wzrost niedoboru ropy} = 0,42. AUTOBUSY 7

8 1,4 1,3 Współczynnik zmian cyklicznych [-] 1,2 1,1 1,0 0,9 0,8 0,7 Rys. 5. Współczynnik zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie w Nowym Jorku Źródło: obliczenia własne 0, Czas [kwartał] 4. WYNIKI PROGNOZY ILOŚCIOWEJ Po wykonaniu prognoz w postaci scenariuszy, na podstawie których uzyskuje się informacje głównie o charakterze jakościowym proponuję się wykonanie prognozy ilościowej krótkoterminowej opartej o prezentowany w punkcie 1.2 niniejszej publikacji model matematyczny. Aby uzyskać prognozę szeregu o postaci modelu danym równaniem (3) należy wyznaczyć oddzielne prognozy w zadanych kwartałach, poza obszarem danych źródłowych, dla składników nielosowych modelu tzn. dla trendu tm, dla indeksu sezonowego s i dla współczynnika zmian cyklicznych c. Końcowa prognoza ceny ropy jest iloczynem prognoz poszczególnych składników modelu. Należy zwrócić uwagę na rozbieżność okresów dla danych źródłowych ceny ropy kwartalnej obliczonej na podstawie danych pozyskanych z Internetu, które obejmują kwartały 1, 2,, 22 (zima 2010) i dla danych w modelu multiplikatywnym, które dotyczą kwartałów: 3,, 20 (lato 2009). Rozbieżność ta wynika z przyjętej metodyki liczenia średniej ruchomej, w której traci się dwie pierwsze i dwie ostatnie dane. Dlatego wykorzystując model multiplikatywny do prognozowania można przyjąć, że kwartały 21 (jesień 2009) i 22 (zima 2010) są objęte prognozą. W prognozowaniu [2] wykorzystuje się wspólny przedział czasu dla danych źródłowych i dla wartości prognozowanych do sprawdzenia dokładności prognozy z wykorzystaniem metod oceny błędu ex post. W tym przypadku postąpiono inaczej wykorzystując dane źródłowe z kwartałów 19 i 20 do obliczenia wartości współczynnika zmian cyklicznych dla tych kwartałów. Przy założeniu, że chcemy uzyskać prognozę krótkoterminową o horyzoncie czasowym wynoszącym półtora roku (sześciokwartalną) należy wykonać następujące działania: a) obliczyć wartości trendu dla kwartałów objętych prognozą, b) obliczyć wartości współczynnika zmian cyklicznych na podstawie znanych danych źródłowych dla kwartałów 21 i 22 wykorzystując przekształcony wzór (1) gdzie zamiast oceny szeregu czasowego ŷ należy wstawić dane źródłowe, oraz przyjąć, że wartość współczynnika zmian nieregularnych (losowych) l wynosi 1. c) wyznaczyć wartości współczynnika zmian cyklicznych dla następnych kwartałów objętych prognozą próbując przewidzieć wartości na podstawie przebiegu badanej funkcji przedstawionej na wykresie (rys. 5). 8 AUTOBUSY

9 Przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby uwzględniać inne informacje ilościowe i jakościowe o zjawiskach i procesach w przyszłości, które wpływają na rynek paliw ropopochodnych. Proponuje się wykorzystanie informacji z wykonanych scenariuszy do oszacowania prognozowanych wartości współczynnika zmian cyklicznych dla kwartałów oznaczonych liczbami: 23, 24, 25. Istotne jest równoczesne uwzględnianie wniosków, które są wynikiem wcześniejszej analizy przebiegu współczynnika zmian cyklicznych w funkcji czasu c = f(t). Dla analizowanego przypadku przyjęto następujące oceny przebiegu wyznaczonej funkcji c = f(t) dla danych źródłowych w przedziale czasu t = 3, 4,.., 20 (rys. 5): w funkcji czasu amplituda i okres zmian współczynnika wzrastają dynamicznie, co mogło być efektem zapoczątkowanym mniejszą podażą od popytu w roku 2007 (rys. 2); maksymalna wartość amplitudy współczynnika wyznaczonego dla danych źródłowych w kwartałach 14 i 15 wynosiła około 0,35, w kwartałach 10 14, które należą do 2007 roku i początku 2008, gdy cena ropy intensywnie rosła to współczynnik zmian cyklicznych wzrastał od 0,05 do około 0,15/kwartał, w kwartałach od 15 do 19 gdy na giełdzie cena ropy malała to przyrost wartości współczynnika wynosił około -0,2/kwartał. po dużym spadku cena ropy musiała odrabiać straty ale z nieznaną tendencją wzrostową. Na podstawie powyższych ocen z uwzględnieniem zarówno wniosku ze scenariuszy dla 2010 o dużym prawdopodobieństwie pełnego pokrycia przez producentów zapotrzebowania na ropę i prezentowanych opinii ekspertów o przewidywanej w gospodarce światowej tendencji powolnego wychodzenia z kryzysu przyjęto założenie: w następnych kwartałach przyrosty współczynnika będą stopniowo zmniejszać swoje wartości od 1,0/kwartał do 0,04/kwartał. W wyniku realizacji tego założenia powstała prognoza wartości współczynnika zmian cyklicznych, którą zaprezentowano na wykresie (rys. 6). Po obliczeniu trendu dla kwartałów objętych prognozą (kwartały 21-25) i odpowiednim dobraniu wartości wskaźnika sezonowości oraz po uwzględnieniu prognozy współczynnika zmian cyklicznych wykonano obliczenia według zależności (3) prognozowanych wartości cen ropy na giełdzie w Nowym Jorku. Prognoza cen przedstawiona na rysunku 7 nie uwzględnia wpływu zakłóceń losowych. 1,4 1,3 Współczynnik zmian cyklicznych [-] 1,2 1,1 1,0 0,9 0,8 0,7 0, Czas [kwartał] Rys. 6. Prognoza (w kolorze czerwonym) współczynnika zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie w Nowym Jorku Źródło: obliczenia własne AUTOBUSY 9

10 Prognoza dla średnich kwartalnych 140 Cena ropy [USD/baryłka] Kwartał [-] Dane kwartalne Prognoza Rys. 7. Prognoza (w kolorze niebieskim - pogrubiona) cen ropy na giełdzie w Nowym Jorku Źródło: Obliczenia własne WNIOSKI KOŃCOWE 1. Zaprezentowano propozycję własnej metodyki tworzenia uproszczonych scenariuszy, umożliwiających wnioskowanie z zastosowaniem rachunku prawdopodobieństwa. W wyniku przeprowadzonych analiz, prognozuje się, że w roku 2010 utrzymane zostanie wydobycie na poziomie poprzedniego roku, które zaspokoi potrzeby. Uznaje się, że aktualne wydobycie jest zbliżone do maksymalnego. Prawdopodobnie w następnych latach ujawnią się niedobory ropy w stosunku do rosnących potrzeb gospodarki światowej. 2. Przedstawiono zastosowanie modelu multiplikatywnego do krótkookresowego prognozowania ceny ropy na giełdzie w Nowym Jorku. Z prognozy wynika, że w okresie zima 2010 jesień 2010 cena na giełdzie będzie rosła od poziomu 80 USD/baryłka aż do około 110 USD/baryłka. 3. Jeżeli w najbliższej dekadzie zrealizują się pesymistyczne prognozy o coraz większych niedoborach ropy, to z analizy własnej dostępnych źródeł wynika, że w Ameryce Północnej i w Europie, substytutem ropy w transporcie może stać się gaz ziemny wydobywany ze skał łupkowych. BIBLIOGRAFIA 1. Aczel A. D.: Statystyka w zarządzaniu. Wyd. Naukowe PWN, Warszawa Cieślak M. (red.) i inni: Prognozowanie gospodarcze. Metody i zastosowania. Wyd. Naukowe PWN, Warszawa Dittmann P.: Prognozowanie w zarządzaniu przedsiębiorstwem, [w:] Prognozowanie w przedsiębiorstwie. Seminarium StatSoft Polska sp. z o. o., Warszawa 10 X Moore P. G.: Ryzyko w podejmowaniu decyzji. PWE, Warszawa 1975 (tytuł oryginału: Risk in business decision. Longman Group Limited, London 1972). 5. Remisiewicz M. i inni.: Gry wojenne. Scenariusze w biznesie. Businessman, nr 4(145), 2003, s Skrobacki Z.: Controlling strategiczny w eksploatacji. VIII Międzynarodowe Sympozjum Inżynieria systemów bioagrotechnicznych, ISB z. 2-3 (11-12), Politechnika Warszawska, Płock AUTOBUSY

11 7. Skrobacki Z.: Qualitative Forecast for Fuel Market Accounting for Sustainable Development. Rozdział w pracy zbiorowej pod redakcją naukową Leszka Powierży: Problems of Maintenance of Sustainable Technological Systems. Tom II, serii Monografii Zespołu Systemów Eksploatacji SPE KBM PAN. Wyd. PN-TTE Warszawa 2010 (ISBN ) s Supernat J.: Techniki decyzyjne i organizatorskie. Wydawnictwo Kolonia Limited, Wrocław Vollmuth H. J.: Controlling, instrumenty od A do Z. Agencja Wydawnicza PLACET, Warszawa Walewska D.: Ropa w centrum uwagi. Rzeczpospolita z dn Statistical Review of Word Energy The Oil Drum ( Polskie Towarzystwo Wspierania Przedsiębiorczości z dnia THE FORECASTS FOR THE OIL PRICES ON THE NEW YORK STOCK EXCHANGE Abstract This paper s objective is to present the qualitative forecast regarding the assessment of the relation between the supply and demand on the oil market in the next few years as well as the quantitative forecast for the oil prices on the New York Stock Exchange in The analysis focuses on the application of the scenario method used to develop qualitative forecasts. In order to develop scenarios, the author s own method of simplified scenario construction using the basics of decision theory and the calculus of probability was applied. The quantitative forecast is based on the multiplicative model and it was created as a result of the application of standard methods of the analysis of time series. Forecasting was preceded by the analysis of present and historical phenomena and processes on the oil market. Recenzent: dr hab. inż. Tadeusz Cisowski, prof. WSEI Autor: dr inż. Zbigniew SKROBACKI - Politechnika Świętokrzyska AUTOBUSY 11